上周, 穀歌在舊金山舉辦了一年一度的雲計算大會, 但首席執行官桑達爾·皮查伊卻忍不住對開放自家人工智慧平台的承諾瘋狂吐槽兼吹捧了一番.
'我們創造開放平台並分享我們的技術, 因為它有助於新想法更快地出現, ' 皮查伊表示, 穀歌從2016年5月12日起開放SyntaxNet的原始碼, 作為穀歌TensorFlow開源機器學習資料庫的一部分. '我們創造了TensorFlow, 讓任何人都可以使用AI. '
這種開放性質已經成為大型科技公司競爭激烈開發人工智慧技術的標準. Facebook, 亞馬遜和微軟都像穀歌一樣, 發布了自己的工程師用於機器學習的軟體作為開源軟體. 所有科技巨頭, 包括一向比較保密的蘋果, 都鼓勵他們的AI研究人員發布他們的最新想法——幫助公司招募大學裡最聰明的教師和研究生.
與此同時, 這些人工智慧開放的支援者也在努力聲稱對AI技術和應用程序擁有所有權. 與AI有關的專利權利要求, 特別是機器學習, 近年來急劇加速. 到目前為止, 科技公司尚未將這些專利轉化為訴訟和法律威脅, 用於挫敗競爭對手. 但是, 如果AI專利成為了企業武器, 那麼目前圍繞AI研究和想法的開放舉動可能會結束, 而這可能會阻礙研究的進展.
美國國家經濟研究局本月發布的一份研究報告顯示, 美國有關機器學習的檔案迅速增加, 這一技術推動了當前人工智慧熱潮. '我們已經看到, 人工智慧和機器學習中的專利活動正大量湧現, 我看到這種指數級別的增長勢頭仍在繼續. ' 斯坦福大學研究員兼研究合著者邁克爾·韋伯 (Michael Webb) 說.
該研究稱, 2010年有145項美國專利申請涉及機器學習. 2016年, 有594個不完整統計數據——美國專利商標局需要在註冊後18個月才會公開披露這些申請. 韋伯和他的同事們在2月份收集了相關記錄, 其中顯示神經網路 (一種機器學習技術) 的專利申請在2016年攀升至485項, 比2010年的94項大幅攀升.
穀歌本身就是這種趨勢的典範. 根據對美國專利及商標局 (USPTO) 資料庫的檢索, 2010年, 只有1份穀歌檔案在其摘要或標題中提到機器學習或神經網路. 到2016年, 穀歌和其他Alphabet公司卻總共提交了99份此類檔案!
而微軟從2009年之後最早投入大量資源開發AI專利, 迄今為止共計200多項專利佔據第一的位置. 穀歌則從2011年起奮起直追.
Facebook在2016年申請了55項與機器學習或神經網路相關的專利, 而2010年這一數字為零.
在過去25年中, IBM獲得的美國專利數量超過任何其他公司, 它稱自己在2017年贏得了1,400項AI相關專利, 比以往任何時候都多.
與AI相關的專利申請正在增加, 這並不奇怪. 2012年, 神經網路在語音和映像識別方面取得了重大進步後, 突然成為科技公司關注的熱門話題. 但是, 鎖定技術的舉措與公司對其人工智慧戰略的公開討論中的開放性的強調卻背道而馳.
專利申請激增, 令人回想起圍繞智能手機的上一次大型科技革命中對智慧財產權的激烈爭奪. 根據美國國家經濟研究局的報告, 蘋果和三星已經就智能手機的技術和設計進行了至少50起訴訟. 蘋果和穀歌大約也陷入了20次糾紛.
斯坦福大學講師理查德·艾布拉姆森 (Richard Abramson) 曾是獨立研究機構SRI的總法律顧問, 他說, 在特定領域提交的更多專利, 將使訴訟更有可能發生. '如果你給每個人一把槍, 你幾乎可以打賭——射擊的發生率會上升. '
人工智慧的訴訟可能會損害科技巨頭們所說的開放性方面的進展. 艾布拉姆森說, 25年前, 專利訴訟主要是爭取在其產品中使用特定技術的公司之間的糾紛. 而時至今日, 很多公司都被公司稱為 '巨魔' ——這些公司持有他們不打算使用, 只為了謀取補償的專利. '現在公司被專利巨頭活動嚇壞了, 而且很多公司都儲備了專利, 以便有機會回擊. '
目前, 還沒有跡象表明任何領先的人工智慧公司在努力利用他們的AI專利謀利. 穀歌和DeepMind的發言人都表示, 他們的公司在防禦方面擁有專利權, 而不是打算與其他人開戰. 穀歌的發言人還指出, 該公司只佔了最近與AI相關的一小部分檔案. Facebook發言人表示, 不應閱讀其檔案以泄露其當前或未來的計劃. IBM的首席專利顧問Manny Schecter表示, 該公司的專利部門反映了其對基礎研究的投資.
深藍開發出的 '阿爾法狗' (AlphaGo) 已經在圍棋比賽中擊敗了人類冠軍, 這是一個源於20世紀80年代幫助DeepMind軟體掌握Atari遊戲的學習演算法的擴展. 自DeepMind發表關於DQN的學術著作以來, 其他研究人員已經探索並擴展了其見解.
穀歌的一個專利正接近過期, 這是一種基於現有標準的技術, 用於幫助神經網路推廣他們未經過培訓的新數據. 一個Facebook應用程序涵蓋了一種用於設計記憶體神經網路的方法, 該方法增強了傳統的機器學習系統, 用於處理具有短期記憶的文本.
喬治亞理工學院教授Mark Riedl目前正在Palo Alto的Salesforce人工智慧研究小組工作, 他說, 演算法和其他基本機器學習技術的專利讓他感到不安. 到目前為止, 提交的專利尚未給研究人員帶來問題, 但是他們對相對抽象的這些想法的合法所有權, 並不符合最近那些使機器學習如此令人興奮的開放進展. 他說.
並非所有最近提交的關於AI想法和技術的專利都會獲批. 自2014年來, 美國最高法院裁定, 僅僅在計算機上實施一個想法, 不足以使其獲得專利權. 從那以後, 軟體專利變得越來越難以獲批. 去年, USPTO大大擴大了專門審查AI專利的審查員人數, 預計會篩選更多的申請.
但是, 無論是什麼類型的AI想法, 可以獲得專利的巨大變化似乎不太可能. '在這個領域提交大量申請的公司, 都是經濟的重要組成部分, ' Pepper Hamilton公司的專利律師Joe Holovachuk說. 這意味著他們可以支付說客和律師的費用, 以促使立法者或法院支援他們喜歡的方法——這似乎使各種人工智慧技術具有廣泛的可適用專利性. '
專利商標局局長安德烈·伊恩庫 (Andrei Iancu) 表示, 他一直在考慮人工智慧專利, 這可能是科技公司喜聞樂見的一大利好. 4月, 他告訴參議院司法委員會, 他認為最近的法院判決, 使得演算法是否可以獲得專利的問題變得混亂. Iancu認為包括在AI中的演算法, 似乎總是可以獲批. '我們必須確保我們的政策, 包括智慧財產權, 並高度重視激勵這種創新. ' 他說.